This research initiative, which takes the shape of an interpretive qualitative case study, intends to investigate the key considerations for organizations that are to adopt IaC and select an IaC tool. Interviews with operations specialists with varying experience with Infrastructure as Code were conducted for data collection, which was then followed by thematic data analysis. The gathered data included insights based on the experiences of various professionals at Atlas Copco. The thematic analysis approach was applied in order to detect repeating patterns and themes in the gathered data, which paved the way to extract significant conclusions. The case study’s findings highlight five critical elements in two different domains for successful IaC integration and tool selection. The first identified domain was that of adoption and integration. To begin with, technical expertise such as programming skills, version control skills, and cloud computing was identified to be a critical consideration belonging to this domain. Secondly, resources such as time, learning materials, courses, and tools were identified as important factors for the integration, and perhaps especially so for the individuals with less prior experience with DevOps and IaC. Thirdly, organizational change was identified as a critical component for successful integration. The two remaining themes belonged to a domain that was named tool selection. These themes were ease of use and security. In summary, this paper provides insights into the key consideration of IaC adoption and IaC tool selection. Its findings underscore organizational change, resources, expertise for successful adoption, ease of use, and security for successful tool selection. It aims to be valuable to any individual or organization who is to adopt IaC or conduct research on the topic of software engineering and IaC. Due to the small sample sizes and the absence of software developers in the data collection, there is clear need for future research to enhance the academic understanding of IaC tool selection and IaC adoption. / Detta forskningsinitiativ, som tar formen av en interpretivistisk kvalitativ fallstudie, avser att undersöka de viktigaste övervägandena för organisationer som ska anta IaC och välja ett IaC-verktyg. Intervjuer med utvecklings- och driftspecialister med varierande erfarenhet av IaC genomfördes för datainsamling, som sedan följdes av en tematisk dataanalys. Den insamlade datan inkluderade insikter baserade på erfarenheter från olika yrkesverksamma på Atlas Copco. Den tematiska analysmetoden användes för att upptäcka återkommande mönster och teman i insamlad data, vilket banade vägen för att dra viktiga slutsatser. Fallstudiens resultat lyfter fram fem kritiska element inom två olika domäner för framgångsrik IaC-integration och verktygsval. Den första identifierade domänen var antagande och integration. Till att börja med identifierades teknisk expertis såsom programmeringsskicklighet, versionskontrollfärdighet och erfarenhet av molntjänster som kritiska faktorer i denna domän. För det andra identifierades resurser som tid, läromedel, kurser och verktyg som viktiga faktorer för integrationen, i synnerhet för de individer med mindre tidigare erfarenhet av DevOps och IaC. För det tredje identifierades organisatorisk förändring som en kritisk komponent för en framgångsrik integration. De två återstående teman tillhörde en domän som fick namnet verktygsval. Dessa teman var användarvänlighet och säkerhet. Sammanfattningsvis ger den här rapporten insikter i de viktigaste aspekterna av IaC-antagande och val av IaC-verktyg. Dess resultat understryker organisationsförändringar, resurser, expertis för en framgångsrikt antagande och integration och användarvänlighet och säkerhet för framgångsrikt val av verktyg. Den avses vara värdefull för individer och organisationer som strävar efter att integrera IaC i sitt arbete, eller för den som forskar inom mjukvaruutveckling och IaC. På grund av den relativt lilla sticksprovsstorleken och frånvaron av mjukvaruutvecklare i datainsamlingen finns det ett tydligt behov av framtida forskning för att förbättra den akademiska förståelsen av IaC-verktygsval och IaC-antagande.

Software projects can nowadays have complex infrastructures behind them, in the form of libraries and various other dependencies which need to be installed on the machines they are being developed on. Setting up this infrastructure on a new machine manually can be a tedious process prone to errors. This can be avoided by automating the process using a software provisioning tool, which can automatically transfer infrastructure between machines based on instructions which can be version controlled in similar ways as the source code. Docker and Vagrant are two tools which can achieve this. Docker encapsulates projects into containers, while Vagrant handles automatic setup of virtual machines. This study compares Docker and Vagrant regarding their performance for machine level provisioning, both when setting up an infrastructure for the first time on a new machine, as well as when implementing a change in the infrastructure configuration. This was done by provisioning a project using both tools, and performing experiments measuring the time taken for each tool to perform the tasks. The results of the experiments were analyzed, and showed that Docker performed significantly better than Vagrant in both tests. However, due to limitations of the study, this cannot be assumed to be true for all use cases and scenarios, and performance is not the only factor to consider when choosing a provisioning tool. According to the data collected in this study, Docker is thereby the recommended tool to choose, but more research is needed to determine whether other test cases yield different results. / Moderna mjukvaruprojekt kan ha en komplex infrastruktur bakom sig, i form av bibliotek och andra beroenden som måste installeras på utvecklarmaskiner. Att konfigurera denna infrastruktur på en ny maskin manuellt kan vara en tidskrävande process, som även kan leda till en ofullständigt eller felaktigt konfigurerad lösning. Detta kan undvikas genom att automatisera processen med hjälp av provisioneringsverktyg, som automatiskt kan överföra infrastrukturer mellan maskiner baserat på instruktioner som kan versionshanteras på liknande sätt som källkoden. Docker och Vagrant är två verktyg som kan användas till detta ändamål. Docker kapslar in projektet i containers, medan Vagrant hanterar automatisk konfiguration av virtuella maskiner. Denna studie jämför Docker och Vagrant avseende deras prestanda för mjukvaruprovisionering på maskinnivå, både när det kommer till en förstagångsinstallation av infrastrukturen på en ny maskin, och även implementering av en ändring i konfigurationen av infrastrukturen. Denna jämförelse gjordes genom att implementera båda lösningarna, och sedan utföra experiment för att mäta tidsåtgången för båda verktygen att lösa de två uppgifterna. Resultaten av experimenten analyserades, och visade att Docker presterade bättre än Vagrant i båda tester. På grund av begränsningar i studien kan detta inte antas vara sant för alla användningsområden och scenarier, och prestanda är inte den enda faktorn att ha i åtanke när ett provisioneringsverktyg ska väljas. Baserat på datan insamlad i denna studie är Docker därmed verktyget som rekommenderas, men mer forskning krävs för att avgöra om andra testområden ger andra resultat.